基于相關向量機算法的研究與應用綜述

【摘要】：相關向量機(Relevance Vector Machine,RVM)是一種基于貝葉斯理論的稀疏概率模型,利用條件分布和極大似然的估計思想,通過核函數將低維空間的非線性問題轉化為高維空間的線性問題,具有學習能力好、泛化能力強、核函數選擇靈活、參數設置簡單等優點。由于其出色的學習性能,已經成為當前機器學習界的研究熱點。介紹了經典的相關向量機算法及其改進模型,重點評述利用相關向量機算法解決故障檢測、模式識別、網絡空間安全等領域的分類和預測問題的思路、方法和效果,對目前存在的問題進行總結,并對未來的研究方向進行展望。